CAPITOLO 2: IL METODO ACG
2.1 CENNI STORICI E FUNZIONAMENTO
Come visto nel Capitolo 1 il Sistema Sanitario Nazionale italiano utilizza i DRG per la tariffazione delle prestazioni mediche e il criterio della quota capitaria pesata in base all’età per l’allocazione del Fondo Sanitario Nazionale alle Regioni.
Una diversa metodologia per il raggruppamento dei pazienti e la stima dei costi sanitari è stata introdotta nei primi anni ’90 da ricercatori della Johns Hopkins University con lo sviluppo del sistema degli Adjusted Clinical Group (d’ora in avanti espresso mediante l’acronimo ACG) che nasce all’interno della Johns Hopkins University. Negli anni ’80, la dottoressa Barbara Starfield ed il suo team di ricerca alla Johns Hopkins University produssero evidenze empiriche secondo cui il raggruppamento delle patologie da cui è affetto il paziente ha una capacità previsionale maggiore rispetto ad indicatori che segnalano la presenza di una specifica patologia. Il sistema originale venne elaborato nel 1990, inizialmente concepito per essere utilizzato nell’ambito delle cure primarie, da cui il termine Ambulatory Care Groups. In tempi più recenti, un’espansione delle funzioni assegnate allo strumento, che ora include informazioni provenienti anche dalle degenze, ha portato alla ridenominazione in Adjusted Clinical Groups (O’Sullivan 2010). Può quindi capitare di incorrere, nella letteratura, in entrambe le terminologie, a seconda che la fonte in questione sia più o meno recente.
Il metodo ACG è un sistema case-mix che utilizza il paziente come unità di analisi. La nascita di tale metodologia volta alla stima del fabbisogno assistenziale del singolo paziente avvenne non a caso nel contesto sanitario statunitense, che proprio per la sua peculiare forma di finanziamento, in larga parte sostenuta da compagnie assicurative private, ha da sempre una pressante problematica legata all’attività di pricing e di risk assessment al fine di prevedere l’assorbimento futuro di risorse del sistema sanitario e la contestuale definizione del premio che ciascun soggetto dovrà pagare per assicurarsi contro il rischio di malattia (American Academy of Actuaries, 2010).
Lo strumento degli ACG infatti classifica l’intera popolazione in primis sulla base di età e sesso, ma soprattutto tenendo in considerazione le combinazioni di diagnosi presenti
35
contemporaneamente nello stesso assistito (comorbidità) e le prescrizioni di farmaci intercorse nei 12 mesi precedenti.
Grazie alla suddivisione della popolazione di riferimento in macro-classi basate sugli indicatori menzionati, è possibile stimare in chiave prospettica mortalità, incidenza degli eventi patologici, necessità di cure e risorse. Questo offre una nuova metodologia per stimare il carico assistenziale previsto per ciascuna tipologia di paziente all’interno di una determinata popolazione.
Il sistema elabora i dati delle diagnosi raggruppando i soggetti in 269 categorie diagnostiche (ciascun soggetto può appartenere ad una o più categorie) che descrivono una singola patologia o patologie accomunate dal fatto di interessare un singolo organo o apparato, le cosiddette Expanded Diagnosis Clusters (EDC). Utilizzando invece i codici inerenti i farmaci, il sistema associa a ciascun soggetto, sulla base appunto dei farmaci assunti nel periodo di interesse, una o più delle 64 categorie di diagnosi farmaco-correlate, definite Pharmacy Morbidity Groups (Rx-MGs).
Combinando EDC e Rx-MGs il sistema segnala la presenza o meno di condizioni croniche ad alta prevalenza, utili ai fini della previsione di spesa.
Sulla base dei codici diagnostici e considerando cinque parametri clinici (durata, severità, certezza diagnostica, eziologia, necessità di cure specialistiche) ciascun paziente viene assegnato ad uno dei 32 Aggregated Diagnostis Group (ADG) che raggruppano le diagnosi sulla base dell’impatto atteso in termini di risorse necessarie.
Aggregando gli ADG con età e sesso il sistema assegna ogni soggetto ad uno specifico ACG, ovvero ad uno dei 93 gruppi mutualmente esclusivi che rappresentano livelli omogenei di carico assistenziale e conseguente assorbimento di risorse.
Una forma più sintetica è rappresentata dalle Resource Utilization Brands, ovvero 6 categorie che il sistema genera raggruppando i 93 ACG sulla base dei livelli di spesa attesi. A questo punto sulla base del raggruppamento effettuato, il sistema è in grado di offrire stime inerenti:
- Il calcolo di un indice predittivo di costo per l’anno successivo alla rilevazione, espresso in relazione al costo medio della popolazione, posto pari a 1;
- La probabilità di ospedalizzazione nei 6-12 mesi successivi;
- La probabilità che il soggetto richieda livelli assistenziali che comportano costi elevati, tali da ricadere nel quinto percentile superiore della distribuzione dei costi.
36
Tabella 2.1: Caratteristiche delle classificazioni del sistema ACG.
EDC Rx-MG ADG ACG Contenuto espresso Categorie diagnostiche Diagnosi farmaco- correlate
Prognosi Carico di malattia
N° gruppi 269 64 32 93 Codici ICD9, ICD10,
ICPC
ATC ICD9, ICD10, ICPC ADG Più categorie per soggetto SI SI SI NO Gruppi aggregati Major EDC (27) Major Rx-MG (19) RUBs (6)
Gruppo di lavoro del progetto ACG – Regione Veneto (2015)
Pertanto, diversamente dai DRG che raccolgono dati storici dei pazienti ricoverati per determinare l’ammontare della spesa sostenuta, l’ACG si configura quale strumento prospettico, che attraverso l’analisi dei dati di morbidità della popolazione, permette di prevedere l’ammontare di risorse che ciascuna popolazione necessiterà nell’immediato futuro, permettendo un’allocazione che meglio rispecchi le reali necessità mediche dei soggetti in esame. Questo sistema muove dalla stretta relazione tra la presenza di comorbidità tra la popolazione e consumo di risorse.
Tabella 2.2: Confronto tra DRG e ACG. Elaborazione dell’autore.
DRG ACG
Soggetti Pazienti ricoverati Popolazione
Raccolta dati SDO SDO; acquisti di farmaci
Utilizzo Retrospettivo Prospettico
Applicazioni Fatturazione ospedaliera Allocazione delle risorse in chiave prospettica; mappatura della multimorbidità; case management; mappatura della prevalenza nella popolazione L’ipotesi iniziale che i pazienti maggiormente bisognosi di assistenza medica fossero quelli afflitti non da una singola patologia, bensì da più patologie, si rivelò esatta e permise al team di ricerca di osservare che il raggruppamento in classi delle patologie che affliggono il paziente offre un indice predittivo più accurato, in merito all’assorbimento di risorse previsto, rispetto alla stima effettuata sulla singola patologia. Ciò che
37
contraddistingue il metodo degli ACG infatti è proprio la rilevanza che assume la comorbidità nel processo di categorizzazione dei pazienti. La metodologia nacque da uno studio svolto sul finire degli anni ‘80 sulla relazione tra carico di malattia e utilizzo dei servizi sanitari. Nel 1986 lo staff di ricercatori della Johns Hopkins University utilizzò la codificazione ICD-9-CM (International Classification of Disease, Clinical Modification) per classificare le patologie dei 30.000 pazienti afferenti al programma Medicaid del Columbia Medical Plant, registrando 5.000 codici malattia. Questo studio preliminare (Weiner et al. 1991) venne poi eseguito su altre quattro popolazioni, i cui dati vennero ottenuti da quattro HMO, per un totale di 160.000 soggetti studiati. La classificazione ICD-9-CM è un adattamento del sistema di classificazione medica internazionale ICD-9 elaborato dal National Center for Health Statistics (National Center for Health Statistics, 2010) ed adottato all’interno del sistema sanitario statunitense, che offre un maggior dettaglio sulla patologia a cui ciascun codice si riferisce. Partendo da tale classificazione, il team di ricerca aggregò i codici generando 34 macro categorie diagnostiche (delle quali 32 sono ancora in uso nelle versioni più recenti) denominate Ambulatory Diagnoses Groups (ADG) che rappresentano gruppi di pazienti con diagnosi similari sotto il profilo delle risorse richieste per il trattamento. Tale raggruppamento viene effettuato sulla base di cinque criteri clinici:
- Durata della condizione clinica: ovvero il lasso di tempo necessario a curare la particolare patologia, tenendo quindi impegnato un certo ammontare di risorse sanitarie. La scala di valutazione suddivide le patologie in acute, croniche, ricorrenti, ed indica per quanto tempo sarà necessario impiegare le risorse sanitarie;
- Gravità della condizione clinica: stabile, instabile, grave, non grave. Questo fornisce un indice delle risorse sanitarie necessarie al fine di trattare la patologia;
- Certezza diagnostica, che va a misurare la probabilità che si rendano necessarie ulteriori indagini diagnostiche per accertare la natura della patologia;
- Eziologia, quindi stabilire quali tipologie di risorse sarà necessario impiegare per il trattamento della patologia;
- Necessità di cure specialistiche, dal momento che l’impatto sull’assorbimento di risorse degli interventi specialistici è ingente.
Se ad esempio un paziente nel corso dell’anno viene ricoverato per tre differenti patologie, gli verranno assegnati tre diversi codici ICD-9-CM, tali codici una volta
38
raggruppati secondo l’utilizzo di risorse previsto per la cura di tali patologie ricadranno in una, due o tre ADG, a seconda che le tre patologie presentate dal paziente abbiano profili di costi più o meno simili. Pertanto uno stesso paziente può rientrare in più ADG a seconda delle patologie che lo interessano (Johns Hopkins University, 2009).
Tabella 2.3: Categorie ADG e corrispondente codificazione ICD-9-CM.
ADG ICD-9-CM Diagnosis Code 1 Time Limited: Minor 558.9
691.0
Noninfectious Gastroenteritis Diaper or Napkin Rush 2 Time Limited: Minor-Primary
Infections
079.9 464.4
Unspecified Viral Infection Croup
3 Time Limited: Major 451.2 560.3
Phlebitis of Lower Extremities Impaction of Intestine
4 Time Limited: Major-Primary Infections 573.3 711.0 Hepatitis, Unspecified Pyogenic Arthritis 5 Allergies 477.9 708.9
Allergic Rhinitis, cause unspecified Unspecified Urticaria
6 Asthma 493.0 493.1
Extrinsic Asthma Intrinsic Asthma 7 Likely to Recur: Discrete 274.9
724.5
Gout, Unspecified Backache, Unspecified 8 Likely to Recur: Discrete-
Infections
474.0 599.0
Chronic Tonsillitus Urinary Tract Infection 9 Likely to Recur: Progressive 250.10
434.0
Adult Onset Type II Diabetes Cerebral Thrombosis
10 Chronic Medical: Stable 250.0 401.9
Adult Onset Type I Diabetes Essential Hypertension 11 Chronic Medical: Unstable 282.6
277.0
Sickle-Cell Anemia Cystic Fibrosis 12 Chronic Specialty: Stable-
Orthopedic
721.0 718.8
Cervical Spondylosis Without Myelopathy Other Joint Derangement
13 Chronic Specialty: stable-ear, nose, throat
389.14 385.3
Central Hearing Loss Cholesteatoma 14 Chronic Specialty: stable-eye 367.1
372.9
Myopia
Unspecified Disorder of Conjunctivia 15 No longer in use
16 Chronic Specialty: unstable- orthopedic
724.02 732.7
Spinal Stenosis of Lumbar Region Osteochondritis Dissecans
17 Chronic Specialty: unstable-ear, nose, throat
386.0 383.1
Meniere’s Disease Chronic Mastoiditis 18 Chronic Specialty: unstable-eye 365.9
379.0
Unspecified Glaucoma Scleritis/Episcleritis
39 19 No longer in use 20 Dermatologic 078.1 448.1 Viral Warts Nevus, Non-Neoplastic 21 Injuries/Adverse Events: minor 847.0
959.1
Neck Sprain Injury to Trunk 22 Injuries/Adverse Events: major 854.0
972.1
Intracranial Injury
Poisoning by Cardiotonic Glycosides and similar
23 Psychosocial: time limited, minor 305.2 309.0
Cannabis Abuse, Unspecified Brief Depressive Reaction 24 Psychosocial: recurrent or persistent, stable 300.01 307.51 Panic Disorder Bulimia 25 Psychosocial: recurrent or persistent, unstable 295.2 291.0 Catatonic Schizophrenia
Alcohol Withdrawal Delirium Tremens 26 Signs/Symptoms: minor 784.0 729.5 Headache Pain in Limb 27 Signs/Symptoms: uncertain 719.06 780.7
Effusion of Lower Leg Joint Malaise and Fatigue
28 Signs/Symptoms: major 429.3 780.2
Cardiomegaly
Syncope and Collapse 29 Discretionary 550.9
706.2
Inguinal Hernia Sebaceous Cist 30 See and Reassure 611.1
278.1
Hypertrophy of Breast Localize Adiposity 31 Preventive/Administrative V20.2
V72.3
Routine Infant or Child Health Check Gynecological Examination
32 Malignancy 174.9 201.9
Malignant Neoplasm of Breast Hodgkin’s Disease, Unspecified Type 33 Pregnancy V22.2
650.0
Pregnant State
Delivery in a Complete Normal Case 34 Dental 521.0
523.1
Dental Caries Chronic Gingivitis
JH University (2009), Technical reference guide
A questo punto per praticità nella manipolazione dei dati, le 34 categorie ADG sono state raggruppate ulteriormente in 12 Collapsed Ambulatory Diagnosis Groups (CADG): ciascun CADG rappresenta un gruppo di ADG con simile probabilità che le diagnosi da essi incluse si manifestino nuovamente.
40
Tabella 2.4: Raggruppamento delle categorie ADG nelle CADG.
Collapsed ADG (CADG) Combinazioni di ADG 1 Acute minor 1 Time Limited: Minor
2 Time Limited: minor-primary infections 21 Injuries/Adverse Events: minor
26 Signs/Symptoms: minor 2 Acute major 3 Time Limited: major
4 Time Limited: major-primary infections 22 Injuries/Adverse Events: major
27 Signs/Symptoms: uncertain 28 Signs/Symptoms: major 3 Likely to recur 5 Allergies
7 Likely to Recur: discrete
8 Likely to Recur: discrete-infections 20 Dermatologic
29 Discretionary 4 Asthma 6 Asthma
5 Chronic Medical: unstable 9 Likely to Recur: Progressive 11 Chronic Medical: unstable 32 Malignancy
6 Chronic Medical: stable 10 Chronic Medical: stable 30 See and Reassure
7 Chronic Specialty: stable 12 Chronic Specialty: stable-Orthopedic 13 Chronic Specialty: stable-ear, nose, throat 8 Eye/Dental 14 Chronic Specialty: stable-eye
34 Dental
9 Chronic Specialty: unstable 16 Chronic Specialty: unstable-orthopedic 17 Chronic Specialty: unstable-ear, nose, throat 18 Chronic Specialty: unstable-eye
10 Psychosocial 23 Psychosocial: time limited, minor
24 Psychosocial: recurrent or persistent, stable 25 Psychosocial: recurrent or persistent, unstable 11 Preventive/Administrative 31 Preventive/Administrative
12 Pregnancy 33 Pregnancy
JH University (2009) “Technical reference guide”
A questo punto furono individuate 23 combinazioni mutualmente esclusive di CADG, le quali costituiscono le 23 categorie denominate Major Ambulatory Categories (MAC): i primi undici MAC corrispondono alla presenza di un singolo CADG, MAC-12 include tutte le combinazioni in cui vi sia la presenza di gravidanza, MAC da 13 a 23 rappresentano combinazioni frequenti di CADG. A queste furono poi aggiunte le categorie MAC-24 per i pazienti la cui diagnosi non rientrava in nessuna delle altre 23
41
categorie, MAC-25 per i pazienti che nel corso dell’anno non ebbero alcuna diagnosi, MAC-26 per i bambini di età inferiore ai 12 mesi indipendentemente dal CADG di appartenenza.
Tabella 2.5: Raggruppamento delle categorie CADG nelle 25 categorie MAC.
MAC Combinazioni di CADG 1 Acute: minor CADG-1
2 Acute: major CADG-2 3 Likely to recur CADG-3
4 Asthma CADG-4
5 Chronic Medical: unstable CADG-5 6 Chronic Medical: stable CADG-6 7 Chronic Specialty: stable CADG-7 8 Eye/Dental CADG-8 9 Chronic Specialty: unstable CADG-9 10 Psychosocial/Psychophysiologic CADG-10 11 Prevention/Administrative CADG-11 12 Pregnancy CADG-12
13 Acute: minor and major CADG-1 e CADG-2 14 Acute: minor and likely to recur CADG-1 e CADG-3 15 Acute: minor and chronic medical: stable CADG-1 e CADG-6 16 Acute: minor and eye/dental CADG-1 e CADG-8 17 Acute: minor and Psychosocial/Psychophysiologic CADG-1 e CADG-10 18 Acute: major and likely to recur CADG-2 e CADG-3
19 Acute: minor and major and likely to recur CADG-1, CADG-2, CADG-3 20 Acute: minor and likely to recur and eye/dental CADG-1, CADG-3, CADG-8 21 Acute: minor and likely to recur and psychosocial CADG-1, CADG-3, CADG-10 22 Acute: minor and major and likely to recur and
chronic medical: stable
CADG-1, CADG-2, CADG-3, CADG-6
23 Acute: minor and major and likely to recur and psychosocial
CADG-1, CADG-2, CADG-3, CADG-10
24 All other combination of CADGs Tutte le restanti combinazioni 25 No visit or no ADG Nessuna CADG
Weiner et al. (1991)
A questo punto sono state prese in considerazione variabili indipendenti quali età, sesso, appartenenza o meno a specifici ADG e numero di ADG associati a ciascun paziente. Furono considerate queste variabili in quanto aventi il maggior potenziale nel ridurre la varianza all’interno di ciascun gruppo MAC. Il processo di partizionamento è stato portato avanti fino a che il gruppo terminale risultante conteneva meno di 30 membri o
42
fino a che un ulteriore split non si dimostrasse in grado di ridurre la varianza di almeno lo 0,1% della varianza osservata per l’intera popolazione. Il processo di splitting è quindi giunto ad individuare 51 gruppi terminali mutualmente esclusivi denominati Adjusted Clinical Groups. In successivi perfezionamenti del metodo, gli ACG furono progressivamente incrementati fino a giungere agli attuali 93 gruppi (Weiner et al. 1991). Il metodo degli ACG è un sistema di case-mix, dove il termine case-mix indica in ambito sanitario una coorte, ovvero un insieme di individui, facenti parte di una popolazione comunque predefinita, che sono caratterizzati dall'aver sperimentato uno stesso evento in un periodo predefinito. Pertanto gli studi che utilizzano una metodologia case-mix accorpano i pazienti in gruppi sulla base di parametri comuni legati all’insorgenza di specifiche patologie. Esistono tuttavia altri metodi case-mix, tra cui il metodo DRG largamente utilizzato nel contesto italiano. Il metodo in questione classifica i pazienti in 500 gruppi sulla base del consumo atteso di risorse sanitarie. Il metodo fu sviluppato sul finire degli anni ’60 da alcuni ricercatori della Yale University con l’obiettivo di sviluppare uno strumento in grado di monitorare la qualità e il costo delle prestazioni sanitarie erogate dalle strutture ospedaliere statunitensi. I pazienti vengono suddivisi, attraverso l’utilizzo del sistema di codifica diagnostica ICD, sulla base della diagnosi primaria in categorie diagnostiche principali (Major Diagnostic Category). All’interno di ciascuna MDC il singolo episodio viene distinto in chirurgico e medico a seconda del trattamento richiesto, e può essere ulteriormente raggruppato sulla base del costo (basso o elevato) stabilito in base all’età del paziente (al di sopra o al di sotto dei 70 anni) e alla presenza di complicazioni e/o presenza di diagnosi secondarie (comorbidità). Il sistema dei DRG è stato concepito ed utilizzato per tenere sotto controllo la spesa sanitarie e per allocare di anno in anno un budget adeguato ad affrontare le esigenze mediche della popolazione, basandosi sulla spesa pregressa.
Il Disability Payment System (DPS) è stato sviluppato da Kronick e dal suo team di ricerca nel 1996 presso l’Università della California, con lo scopo di assegnare un equo indennizzo monetario ai piani assistenziali per i soggetti portatori di disabilità. Questo metodo è pertanto utilizzato, nel contesto statunitense, per prevedere la spesa sanitaria legata ai disabili.
Il Chronic Illness and Disability Payment System è invece una estensione del DPS sviluppata nel 1999 al fine di rendere il DPS più completo ed efficace nell’individuare il
43
corretto ammontare di risorse da destinare all’assistenza temporanea alle famiglie in difficoltà. Per questo include oltre alle disabilità, anche una serie di patologie croniche più o meno invalidanti.
I Clinical Risk Groups (CRG) sono gruppi mutualmente esclusivi in cui viene classificato ciascun paziente sulla base della probabilità di ospedalizzazione che si accompagna alla patologia cronica principale da cui è affetto e dalla severità di tale patologia. Questa metodologia fu introdotta nel 2000, con lo scopo di predire il rischio che ciascuna paziente richieda l’accesso a cure sanitarie in futuro, basandosi sull’osservazione dei trattamenti sanitari a cui è stato sottoposto il soggetto nel corso di un determinato periodo pregresso. La metodologia dei Diagnostic Cost Groups (DCG) classifica invece i pazienti sulla base della diagnosi che richiede l’erogazione di servizi sanitari dal costo più elevato, le diagnosi incluse nella categorizzazione possono differire a seconda della versione della metodologia utilizzata: possono ad esempio essere considerate soltanto le diagnosi effettuate a seguito di un ricovero, oppure anche le diagnosi effettuate nel corso di visite ambulatoriali o specialistiche.
Un caso concreto di utilizzo della metodologia e del software ACG ha visto coinvolta la Regione Veneto, la quale si è dotata nel 2012 dello strumento messo a punto presso la Johns Hopkins University. Lo scopo prefissato era in primis quello di misurare la salute della popolazione non esclusivamente all’interno delle strutture ospedaliere, ma anche a livello territoriale, organizzando ed ottimizzando l’utilizzo della grande mole di dati che il sistema sanitario già raccoglie in molteplici dataset. Il fine ultimo è invece quello di predire i costi sanitari tramite l’utilizzo delle patologie osservate e/o previste all’interno della popolazione di riferimento, anziché sulla base delle prestazioni erogate (Coordinamento progetto ACG, 2013; Gruppo di lavoro del progetto ACG – Regione Veneto, 2015). Dopo aver individuato il sistema ACG della Johns Hopkins quale strumento in grado di ottimizzare la gestione delle risorse e dei dati inerenti il sistema sanitario regionale, la Regione Veneto ha lanciato un programma pilota nel biennio 2012/2013, coinvolgendo le ULSS 16 e 20, costituenti circa il 20% della popolazione regionale ovvero 1 milione di cittadini, quali presidi su cui testare lo strumento in questione. Successivamente la regione ha esteso il programma pilota coinvolgendo un ulteriore 20% della popolazione regionale, coinvolgendo nel corso del biennio 2013/2014 anche le ULSS 2, 4, 6 e 9. L'applicazione del sistema ACG a circa 2 milioni di residenti
44
nella Regione Veneto ha permesso di dimostrare che in tale contesto il sistema può essere alimentato dai flussi informativi sanitari correnti raggiungendo una predittività simile a quella ottenuta in altri paesi europei dallo stesso sistema (Coordinamento progetto ACG, 2013).
Da settembre 2014 la Regione Veneto ha reso pertanto disponibile l'utilizzo del sistema ACG a tutte le Aziende ULSS del Veneto, muovendosi in particolare in due direzioni. Da un lato si è lavorato sul fronte del data management per ottenere, come avvenuto nell'anno precedente per le sei ULSS pilota, dati qualitativamente simili e confrontabili tra le diverse Aziende. Dall’altro l’intento è stato quello di esplorare la potenzialità del sistema ACG a supporto delle Cure Primarie. Questo secondo fronte di lavoro prevede il diretto coinvolgimento dei medici di Medicina Generale (su base volontaria), dei Distretti e dei responsabili di Cure Primarie con l’obiettivo di sperimentare forme di medicina di iniziativa nei confronti di pazienti affetti da patologie croniche e identificati dal sistema ACG come pazienti ad elevato rischio di ospedalizzazione (Coordinamento progetto ACG, 2013).
Il sistema ACG richiede quattro tipologie di dati per poter essere operativo, tali dati sono raccolti da numerosi fonti, come illustrato nella tabella 2.6.
Tabella 2.6: Dati di input per l’utilizzo del grouper ACG nell’ambito del S.S.R. Veneto.